10种软件滤波方法

10种软件滤波方法(来自网络代码未验证)

 

1、限幅滤波法（又称程序判断滤波法）

    A、方法：

       根据经验判断，确定两次采样允许的最大偏差值（设为A）

       每次检测到新值时判断：

       如果本次值与上次值之差<=A,则本次值有效

       如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值

    B、优点：

       能有效克服因偶然因素引起的脉冲干扰

    C、缺点

       无法抑制那种周期性的干扰

       平滑度差

[cpp] view
plain copy

// eg.  

#define A 10  

  

char value;  

  

char filter()  

{  

    char new_value;  

    new_value = get_ad();  

    if ((new_value - value > A) || (value - new_value > A))  

        return value;  

    return new_value;    

}  

2、中位值滤波法

    A、方法：

       连续采样N次（N取奇数）

       把N次采样值按大小排列

       取中间值为本次有效值

    B、优点：

       能有效克服因偶然因素引起的波动干扰

       对温度、液位的变化缓慢的被测参数有良好的滤波效果

    C、缺点：

       对流量、速度等快速变化的参数不宜

[cpp] view
plain copy

// eg.  

/*   N值可根据实际情况调整 

排序采用冒泡法*/  

#define N   11  

  

char filter()  

{  

char value_buf
;  

char count,i,j,temp;  

for (count=0;count<N;count++){  

    value_buf[count] = get_ad();  

    delay();  

}  

for (j=0;j<=N;j++){  

   for (i=0;i<=N-j;i++){  

        if (value_buf > value_buf[i+1])  

        {  

            temp = value_buf;  

            value_buf = value_buf[i+1];  

            value_buf[i+1] = temp;  

        }  

    }  

}  

return value_buf[(N-1)/2];  

}   

3、算术平均滤波法

    A、方法：

       连续取N个采样值进行算术平均运算

       N值较大时：信号平滑度较高，但灵敏度较低

       N值较小时：信号平滑度较低，但灵敏度较高

       N值的选取：一般流量，N=12；压力：N=4

    B、优点：

       适用于对一般具有随机干扰的信号进行滤波

       这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动

    C、缺点：

       对于测量速度较慢或要求数据计算速度较快的实时控制不适用

       比较浪费RAM

[cpp] view
plain copy

// eg.  

#define N 12  

  

char filter()  

{  

    int sum = 0;  

    for(count=0;count<N;count++){  

        sum + = get_ad();  

        delay();  

    }  

    return (char)(sum/N);  

}  

       

4、递推平均滤波法（又称滑动平均滤波法）

    A、方法：

       把连续取N个采样值看成一个队列

       队列的长度固定为N

       每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)

       把队列中的N个数据进行算术平均运算,就可获得新的滤波结果

       N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4

    B、优点：

       对周期性干扰有良好的抑制作用，平滑度高

       适用于高频振荡的系统   

    C、缺点：

       灵敏度低

       对偶然出现的脉冲性干扰的抑制作用较差

       不易消除由于脉冲干扰所引起的采样值偏差

       不适用于脉冲干扰比较严重的场合

       比较浪费RAM

[cpp] view
plain copy

#define N 12  

  

char value_buf
;  

char i=0;  

  

char filter()  

{  

    char count;  

    int sum=0;  

    value_buf[i++] = get_ad();  

    if (i == N)  

        i = 0;  

    for (count=0;count<N;count++)  

        sum += value_buf[count];  

    return (char)(sum/N);  

}  

      

5、中位值平均滤波法（又称防脉冲干扰平均滤波法）

    A、方法：

       相当于“中位值滤波法”+“算术平均滤波法”

       连续采样N个数据，去掉一个最大值和一个最小值

       然后计算N-2个数据的算术平均值

       N值的选取：3~14

    B、优点：

       融合了两种滤波法的优点

       对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差

    C、缺点：

       测量速度较慢，和算术平均滤波法一样

       比较浪费RAM

[cpp] view
plain copy

// eg.  

#define N 12  

  

char filter()  

{  

    char count,i,j;  

    char value_buf
;  

    int sum=0;  

    for(count=0;count<N;count++){  

        value_buf[count] = get_ad();  

        delay();  

    }  

  

    for (j=0;j<=N;j++){  

        for (i=0;i<=N-j;i++){  

            if (value_buf > value_buf[i+1])  

            {  

                temp = value_buf;  

                value_buf = value_buf[i+1];  

                value_buf[i+1] = temp;  

            }  

        }  

    }  

  

    for(count=1;count<N-1;count++)  

        sum += value[count];  

    return (char)(sum/(N-2));  

}  

6、限幅平均滤波法

    A、方法：

       相当于“限幅滤波法”+“递推平均滤波法”

       每次采样到的新数据先进行限幅处理，

       再送入队列进行递推平均滤波处理

    B、优点：

       融合了两种滤波法的优点

       对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差

    C、缺点：

       比较浪费RAM

 

7、一阶滞后滤波法

    A、方法：

       取a=0~1

       本次滤波结果=（1-a）*本次采样值+a*上次滤波结果

    B、优点：

       对周期性干扰具有良好的抑制作用

       适用于波动频率较高的场合

    C、缺点：

       相位滞后，灵敏度低

       滞后程度取决于a值大小

       不能消除滤波频率高于采样频率的1/2的干扰信号

[cpp] view
plain copy

// eg.  

/* 为加快程序处理速度假定基数为100，a=0~100 */  

  

#define a 50  

  

char value;  

  

char filter()  

{  

    char new_value;  

    new_value = get_ad();  

    return (100-a)*value + a*new_value;  

}  

      

8、加权递推平均滤波法

    A、方法：

       是对递推平均滤波法的改进，即不同时刻的数据加以不同的权

       通常是，越接近现时刻的数据，权取得越大。

       给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低

    B、优点：

       适用于有较大纯滞后时间常数的对象

       和采样周期较短的系统

    C、缺点：

       对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号

       不能迅速反应系统当前所受干扰的严重程度，滤波效果差

[cpp] view
plain copy

// eg.  

/* coe数组为加权系数表，存在程序存储区。*/  

  

#define N 12  

  

char code coe
 = {1,2,3,4,5,6,7,8,9,10,11,12};  

char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;  

  

char filter()  

{  

    char count;  

    char value_buf
;  

    int sum=0;  

    for (count=0,count<N;count++){  

        value_buf[count] = get_ad();  

        delay();  

    }  

    for(count=0,count<N;count++)  

        sum += value_buf[count]*coe[count];  

    return (char)(sum/sum_coe);  

}  

9、消抖滤波法

    A、方法：

       设置一个滤波计数器

       将每次采样值与当前有效值比较：

       如果采样值＝当前有效值，则计数器清零

       如果采样值<>当前有效值，则计数器+1，并判断计数器是否>=上限N(溢出)

           如果计数器溢出,则将本次值替换当前有效值,并清计数器

    B、优点：

       对于变化缓慢的被测参数有较好的滤波效果,

        可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动

    C、缺点：

       对于快速变化的参数不宜

       如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统

[cpp] view
plain copy

// eg.  

#define N 12  

  

char filter()  

{  

    char count=0;  

    char new_value;  

    new_value = get_ad();  

    while (value !=new_value);  

    {  

        count++;  

        if (count>=N) return new_value;  

        delay();  

        new_value = get_ad();  

    }  

    return value;  

}  

10、限幅消抖滤波法

    A、方法：

       相当于“限幅滤波法”+“消抖滤波法”

       先限幅,后消抖

    B、优点：

       继承了“限幅”和“消抖”的优点

       改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统

    C、缺点：

       对于快速变化的参数不宜

 

 11、IIR滤波？？？

A. 方法：

    确定信号带宽， 滤之。

    Y(n) = a1*Y(n-1) + a2*Y(n-2) + ... + ak*Y(n-k) + b0*X(n) + b1*X(n-1) + b2*X(n-2) + ... + bk*X(n-k)

B. 优点：

    高通，低通，带通，带阻任意。设计简单(用matlab）

C. 缺点：

    运算量大。

[cpp] view
plain copy

// eg.  

int BandpassFilter4(int InputAD4)  

{  

    int ReturnValue;  

    int ii;  

    RESLO=0;  

    RESHI=0;  

    MACS=*PdelIn;  

    OP2=1068; //FilterCoeff4[4];  

    MACS=*(PdelIn+1);  

    OP2=8; //FilterCoeff4[3];  

    MACS=*(PdelIn+2);  

    OP2=-2001;//FilterCoeff4[2];  

    MACS=*(PdelIn+3);  

    OP2=8; //FilterCoeff4[1];  

    MACS=InputAD4;  

    OP2=1068; //FilterCoeff4[0];  

    MACS=*PdelOu;  

    OP2=-7190;//FilterCoeff4[8];  

    MACS=*(PdelOu+1);  

    OP2=-1973; //FilterCoeff4[7];  

    MACS=*(PdelOu+2);  

    OP2=-19578;//FilterCoeff4[6];  

    MACS=*(PdelOu+3);  

    OP2=-3047; //FilterCoeff4[5];  

    *p=RESLO;  

    *(p+1)=RESHI;  

    mytestmul<<=2;  

    ReturnValue=*(p+1);  

    for (ii=0;ii<3;ii++)  

    {  

        DelayInput[ii]=DelayInput[ii+1];  

        DelayOutput[ii]=DelayOutput[ii+1];  

    }  

    DelayInput[3]=InputAD4;  

    DelayOutput[3]=ReturnValue;  

  

//    if (ReturnValue<0)  

//    {  

//       ReturnValue=-ReturnValue;  

//    }  

    return ReturnValue;    

}